基于图像信息网络的海量图像对比方法、装置和设备制造方法及图纸

本发明专利技术提供一种基于图像信息网络的海量图像对比方法、装置和设备，涉及图像处理领域，该方法包括，通过对待对比图像进行归一化处理，得到归一化图像；计算归一化图像的图像特征；遍历图像信息网络的根节点，通过归一化图像的特征数量和特征向量对根节点进行筛选得到备选根节点；根据归一化图像的图像特征和备选图像的图像特征，计算归一化图像与备选图像的图像特征差异率，备选图像为备选根节点对应的图像，通过图像特征差异率判断归一化图像与备选图像是否相似，遍历根节点结束后可得到相似图像集合。本发明专利技术可以快速的在海量图像资源中完成比对，找出与指定图像相似的资源图像集合，提高了图像查找的准确率和效率。提高了图像查找的准确率和效率。提高了图像查找的准确率和效率。

【技术实现步骤摘要】
基于图像信息网络的海量图像对比方法、装置和设备


[0001]本专利技术涉及图像处理领域，特别是涉及一种基于图像信息网络的海量图像对比方法、装置和设备。

技术介绍

[0002]目前对于海量图像的对比和分析，大多采用图像的图像颜色直方图特征或者图像的二维离散余弦变换得到图像指纹，根据图像指纹进行海量图像的内容分析来判断两个图像是否相似。
[0003]但是上述方式对样本库的依赖性较高，随着图像的增多，对于海量图像的对比来说，现有相关技术需要根据大量的样本图像进行模型训练，训练成本高，训练时间长且抗噪能力差，导致图像内容对比速度和准确度都不高。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提出一种基于图像信息网络的海量图像对比方法、装置和设备，本专利技术能够针对性的解决现有在海量图像的对比速度和准确度不高的问题。
[0005]基于上述目的，第一方面，本专利技术提出了一种基于图像信息网络的海量图像对比方法，所述图像信息网络是基于图像信息空间以多级树集合为基础构造的森林结构，所述多级树包括根节点和子节点，任意两个所述根节点对应的图像之间的差异率大于预设阈值，每个根节点的子节点与其根节点对应的图像之间的差异率小于等于所述预设阈值，所述图像信息空间是指图像特征向量所在的多维向量空间，所述图像特征向量为在相同坐标系下对图像提取特征矩阵后计算得到，所述方法包括：获取待对比图像，对所述待对比图像进行归一化处理，得到归一化图像；计算所述归一化图像的图像特征，所述图像特征包括图像特征矩阵和所述图像特征矩阵的模；遍历所述图像信息网络的根节点，通过所述归一化图像的特征数量和特征向量对所述根节点进行筛选得到备选根节点；根据所述归一化图像的图像特征和所述备选图像的图像特征，计算所述归一化图像与所述备选图像的图像特征差异率，通过所述图像特征差异率判断所述归一化图像是否与所述备选图像相似，其中，所述备选图像为所述备选根节点对应的图像；输出相似图像集合，所述相似图像集合中包括所有与所述归一化图像相似的备选图像。
[0006]可选地，所述获取待对比图像之前，包括：获取资源图像，所述资源图像包括来源于至少一个数据库的多个图像；对所述资源图像进行归一化处理后，得到多个储备图像，所述归一化处理至少包括分辨率、幅形比和色彩空间的归一化处理；计算所述储备图像的图像特征，所述储备图像的图像特征包括图像的特征矩阵和图像特征矩阵的模；根据所述储备图像的图像特征，将所述储备图像作为根节点或子节点，构建所述图像信息网络。
[0007]可选地，所述图像特征还包括：图像特征向量和所述图像特征向量的模，计算所述归一化图像的图像特征，包括：对所述归一化图像进行特征提取，得到所述归一化图像的图像特征矩阵；对所述图像特征矩阵进行模值计算，得到所述图像特征矩阵的模；根据所述图
像特征矩阵的特征值，计算所述图像特征向量；对所述图像特征向量进行模值计算，得到所述图像特征向量的模。
[0008]可选地，遍历图像信息网络的根节点通过归一化图像的特征数量和特征向量对根节点进行筛选得到备选根节点，包括：根据归一化图像的特征向量和根节点对应图像的特征向量，计算所述归一化图像与根节点对应图像的向量差异值；根据归一化图像的特征向量的模、所述根节点对应图像的特征向量的模以及所述归一化图像与根节点对应图像的特征向量的向量差异值，计算归一化图像和所述根节点对应图像的特征向量差异率；将所述归一化图像的特征数量和所述根节点对应图像的特征数量的差值小于等于第一预设阈值作为第一预设条件；将所述归一化图像和所述根节点对应图像的特征向量差异率小于等于第二预设阈值作为第二预设条件；在根节点对应图像同时满足所述第一预设条件和第二预设条件时，确定所述根节点图像为备选根节点。
[0009]可选地，根据归一化图像的图像特征和备选图像的图像特征，计算所述归一化图像与备选图像的图像特征差异率，通过所述图像特征差异率判断所述归一化图像是否与所述备选图像相似，包括：根据图像特征差异率计算公式，得到所述归一化图像与备选图像的图像特征差异率；判断所述图像特征差异率是否满足第三预设条件，若否，则确定所述归一化图像和所述备选图像不相似；若是，则确定所述归一化图像和所述备选图像相似，将所述备选图像添加到所述相似图像集合中；
[0010]其中，所述第三预设条件为：
[0011][0012]其中，dis(p，q)表示归一化图像q和所述备选图像p的图像特征的差异率，θ为固有误差，为计算误差，dis
max
为第三预设阈值。
[0013]可选地，图像特征差异率计算公式为：
[0014][0015]其中，p表示备选图像，q表示归一化图像，diff(p，q)表示归一化图像q和备选图像p的图像特征矩阵的差异值，modULBPM(p)表示备选图像的特征矩阵的模，modULBPM(q)表示归一化图像的特征矩阵的模，modULBPM(p)和modULBPM(q)作为分母不能为0，当modULBPM(p)与modULBPM(q)均为0时dis(p，q)＝0。
[0016]可选地，所述方法还包括：在所述归一化图像和所述备选图像相似的情况下，则遍历所述备选图像对应的备选根节点所关联的全部子节点并计算所述归一化图像与备选根节点的每一子节点对应图像的图像特征差异率；将所述备选根节点所关联的全部子节点对应图像及其与所述归一化图像的图像特征差异率添加到相似图像集合中。
[0017]可选地，所述方法还包括：统计所述相似图像集合中的图像总数；在所述图像总数大于1的情况下，按照相似图像集合中每一图像与所述归一化图像的图像差异率大小对所述相似图像集合中的图像进行正向排序。
[0018]第二方面，提供一种基于图像信息网络的海量图像对比装置，所述装置包括：图像处理模块，用于获取待对比图像，对所述待对比图像进行归一化处理，得到归一化图像；计
算模块，用于计算所述归一化图像的图像特征，所述图像特征包括图像特征矩阵和所述图像特征矩阵的模；筛选模块，用于遍历所述图像信息网络的根节点，通过所述归一化图像的特征数量和特征向量对所述根节点进行筛选得到备选根节点；对比模块，用于根据所述归一化图像的图像特征和所述备选图像的图像特征，计算所述归一化图像与所述备选图像的图像特征差异率，通过所述图像特征差异率判断所述归一化图像是否与所述备选图像相似，其中，所述备选图像为所述备选根节点对应的图像；结果输出模块，用于输出相似图像集合，所述相似图像集合中包括所有与所述归一化图像相似的备选图像。
[0019]第三方面，还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现第一方面所述的方法。
[0020]第四方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现第一方面任一项所述的方法。
[0021]总的来说，本专利技术至少存在以下有益效果：
[0022]本专利技术实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像信息网络的海量图像对比方法，其特征在于，所述图像信息网络是基于图像信息空间以多级树集合为基础构造的森林结构，所述多级树包括根节点和子节点，任意两个所述根节点对应的图像之间的差异率大于预设阈值，每个根节点的子节点与其根节点对应的图像之间的差异率小于等于所述预设阈值，所述图像信息空间是指图像特征向量所在的多维向量空间，所述图像特征向量为在相同坐标系下对图像提取特征矩阵后计算得到，所述方法包括：获取待对比图像，对所述待对比图像进行归一化处理，得到归一化图像；计算所述归一化图像的图像特征，所述图像特征包括图像特征矩阵和所述图像特征矩阵的模；遍历所述图像信息网络的根节点，通过所述归一化图像的特征数量和特征向量对所述根节点进行筛选得到备选根节点；根据所述归一化图像的图像特征和所述备选图像的图像特征，计算所述归一化图像与所述备选图像的图像特征差异率，通过所述图像特征差异率判断所述归一化图像是否与所述备选图像相似，其中，所述备选图像为所述备选根节点对应的图像；输出相似图像集合，所述相似图像集合中包括所有与所述归一化图像相似的备选图像。2.根据权利要求1所述的方法，其特征在于，所述获取待对比图像之前，包括：获取资源图像，所述资源图像包括来源于至少一个数据库的多个图像；对所述资源图像进行归一化处理后，得到多个储备图像，所述归一化处理至少包括分辨率、幅形比和色彩空间的归一化处理；计算所述储备图像的图像特征，所述储备图像的图像特征包括图像的特征矩阵和图像特征矩阵的模；根据所述储备图像的图像特征，将所述储备图像作为根节点或子节点，构建所述图像信息网络。3.根据权利要求1所述的方法，其特征在于，所述图像特征还包括：图像特征向量和所述图像特征向量的模，计算所述归一化图像的图像特征，包括：对所述归一化图像进行特征提取，得到所述归一化图像的图像特征矩阵；对所述图像特征矩阵进行模值计算，得到所述图像特征矩阵的模；根据所述图像特征矩阵的特征值，计算所述图像特征向量；对所述图像特征向量进行模值计算，得到所述图像特征向量的模。4.根据权利要求3所述的方法，其特征在于，遍历图像信息网络的根节点通过归一化图像的特征数量和特征向量对根节点进行筛选得到备选根节点，包括：根据归一化图像的图像特征向量和根节点对应图像的图像特征向量，计算所述归一化图像与根节点对应图像的向量差异值；根据归一化图像的图像特征向量的模、所述根节点对应图像的图像特征向量的模以及所述归一化图像与根节点对应图像的向量差异值，计算归一化图像和所述根节点对应图像的特征向量差异率；将所述归一化图像的特征数量和所述根节点对应图像的特征数量的差值小于等于第
一预设阈值作为第一预设条件；将所述归一化图像和所述根节点对应图像的特征向量差异率小于等于第二预设阈值作为第二预设条件；在根节点对应图像同时满足所述第一预设条件和第二预设条件时，确定所述根节点图像为备选根节点。5.根据权利要求4所述的方法，其特征在于，根据归一化图像的图像特征和备选图像的图像特征，计算所述归一化图像与备选图像的图像特征差异率，通过所述图像特征差异率判断所述归一化图像是否与所述备选图像相似，包括：根据图像特征差异率计算公式，得到所述归一化...

【专利技术属性】
技术研发人员：刘世章，王全宁，汪昭辰，
申请(专利权)人：青岛尘元科技信息有限公司，
类型：发明
国别省市：